2019中国金融科技产业峰会丨信通院刘海燕：数据

11月1日，由中国信通院主办的2019（第二届）中国金融科技产业峰会进入了第二天分论坛环节。其中，分论坛六《金融业数据治理与应用》在当天下午隆重召开。该论坛由中国信通院云大所与区块链部业务主管马鹏玮主持。

会上，中国信通院与大数据研究所的刘海燕为与会者带来了题为《数据资产管理：大数据时代的必修课》的分享。

中国信通院云计算与大数据研究所刘海燕

刘海燕：大家下午好！我是中国信通院云计算与大数据研究所的刘海燕，今天下午演讲题目是“数据资产管理：大数据时代的必修课”。这个题目也是我们最近在编写一本著作的书名，这本书将会在明年发布，也希望大家多多关注。

    一、数据资产管理相关概念

    提到数据资产管理，大家会想到数据治理。数据资产管理由数据管理演变而来的，总结下来分为五个阶段：

    1、手工处理阶段，当时数据采集、加工完全依赖于手工。

    2、机器辅助阶段，有一些文件系统和磁盘做支持。

    3、结构化数据管理阶段，已经出现数据库系统。

    4、数据管理的雏形已经有了原数据管理、数据仓库，但主要面向技术人员。

    5、数据资产管理阶段，有人工智能、大数据技术作为支撑，数据也被视为企业一种重要的资产，被列为社会上最重要的生产要素，是企业发展战略规划中重要的部分。   

    数据资产管理体系是从数据管理演变而来的，世界上最著名的DAMA协会数据管理职能主要包括十个，DAMA2.0的11个职能，没有提到数据应用价值相关的职能，数据资产管理主要从数据资产是一种资产化的角度来分享，加入了数据价值管理、数据共享管理，从整体范围来讲，数据资产管理范围大于数据管理的范围，数据管理的范围又是大于数据治理的范围。

    二、数据资产管理的重要意义

提到数据资产管理，肯定大家都会说为什么要做这件事情？在日常从事数据相关工作会发现很多数据质量问题，也会发现这些数据存在数据孤岛问题，数据难以沟通、获取成本较高、数据安全难以保障等。因此要做数据资产管理。

数据资产管理从以下几点开展，实现数据的可得、可用和好用，盘点数据资产、提升数据质量，打破数据孤岛，提高获取效率，保障数据安全，形成一个整体闭环流程，持续释放数据价值。

    三、数据资产管理体系的框架

    分为五个部分，整体目标是实现数据价值的最大化。

    首先是保障措施，现在保障措施有制定相应数据战略，形成组织架构，要制定相应制度体系，最后打造数据文化。数据管理职能方面，有数据安全管理、数据质量管理、元数据管理、主数据管理、数据模型管理、数据共享、数据价值、数据标准等等。底层有一些大数据技术作为支撑，数据采集、数据存储、数据分析、数据处理、数据挖掘。中间是数据平台，可以是数据仓库、数据集市的形式，最后达到数据资产运营的目的，也是现在正在研究的热点，数据价值评估、数据流通、数据服务、数据交易、数据开放、数据确权等等。

    数据标准管理。主要是为管理活动提供规范准则，数据标准就是保障数据的内外部使用和交换的一致性、准确性、规范性约束，可以做一些名称的统一，定义的统一，口径的统一，来源的统一，参考的统一。数据标准管理主要是这一系列活动。数据标准的内容，分为基础类数据标准和指标类数据标准。

    数据模型管理。模型主要是为数据资产管理提供全体架构和存储逻辑。

    主数据管理。就是数据资产管理的主线，主数据主要是描述企业核心业务实体的数据，是企业核心业务对象交易业务的执行主体，一般包括客户、员工、供应商等信息，主数据管理使企业可以获得跨系统的使用一致的共享的主数据。

    元数据管理。实现了对数据全生命周期的追溯和管控，元数据类别主要分为三大部分：技术元数据、业务元数据、管理元数据。元数据管理主要利用影响分析来实现关键信息的追踪和记录，评估元数据带来的风险，逐渐成为数据资产管理发展的关键驱动力。元数据的关键活动有一些理解需求，设计相应的元数据标准，建设元数据管理工具等等。

    数据质量管理。主要提升数据的可用性，数据质量是保证数据应用效果的基础，所以在做数据应用的前提是要有一个好的数据质量，数据质量管理主要提升企业数据质量，使得企业获得结构清晰的数据，来提高数据应用和服务的水平。数据质量评价维度一般是从完整性、规范性、真实性、准确性、连续性等维度进行评价。数据质量关键活动里有一个比较重要的是设定相应数据质量规则，可以布控在事前、事中、事后各个方面。

    数据安全管理。主要确保数据资产不会瞬间变为负债，因为安全一旦出事都是大事情，所以数据安全管理是贯穿在数据全生命周期，从数据的生成、存储、使用、共享、归档等，都要做到事前可管、事中可控、事后可查。

    数据共享管理。主要是扩大冷数据的获取和使用范围，数据共享管理主要分为内部共享和外部流通，来陕县数据内外部价值的释放，确保数据的增值，确保数据变现，实现资产的运营。外部流通主要有数据交易、数据沙箱的形式，内部共享主要有数据地图、数据分发、数据服务的形式。

    数据价值管理。主要实现数据价值的最大化、最优化的释放。数据价值管理是对数据内在价值了度量，可以从数据的成本、数据的应用价值两个方面来开展，通过数据价值的管理，企业将最大化释放数据价值。

    成本管理。主要度量成本维度，确定成本核算指标，监控数据成本产生，确定数据成本优化方案。

    数据收益管理。有相应度量，确定指标，监控收益到最后优化方案。

    这几个活动职能的关系可以用一张图表示，数据安全管理是贯穿于整个流程的，元数据、主数据、交易数据构成基本数据。标准数据、数据模型等相互反馈、相互更新、相互提供依据的共同循环的过程。标准质量和模型为数据共享提供了一定规范，整体目标是实现数据价值最大化。

    四、数据资产管理实现路径

    成立相应组织架构，明确各方职责。

    组织架构，主要定义三个：数据资产管理委员会，数据资产管理中心，各个业务部门。

    数据资产管理实施各个阶段和相应产出结果，主要分为四个阶段，统筹规划，管理实施，集合检查，资产运营。这些在《数据资产管理实践白皮书4.0》里都有，供大家参考。

    数据资产管理也是需要强有力的技术手段，不仅要有相应的技术体系，也要有配套的产品体系。

    五、数据资产管理的发展趋势

    1、数据资产管理产业生态链会更加完善，现在谈的比较多的是质量、标准、模型，但数据交易、数据价值、数据开放、数据审计、数据运营还有待研究，这一块研究也是以后研究方向，是整个数据资产产业生态链会更加完善。

    2、数据资产的法律法规体系会更加健全。现在相应个人隐私保护、数据确权，在法律法规体系上还没有更完善，所以这块以后也会更加健全。

    3、数据资产管理更加智能，一个是云化，一个是智能化，数据资产管理也会从工具上更加智能，管理手段上更加智能，当然也有相应配套的智能数据分析平台等等。

    六、中国信通院的相关工作

    工作分三大块：

    1、基础理论研究。

    现在已经发布了《数据资产管理实践白皮书4.0》，更新到了第四版本。去年发布《主数据管理实践白皮书》，今年12月10号发布《数据标准管理实践白皮书》。之后对数据资产整个理论体系做深一步研究，包括数据资产化、数据资产管理一些技术的研究。

    2、数据资产管理相关标准和测评。

    标准：主要做的有团标、行标、国际标准。

    CCSA团标，现在做了有数据管理平台标准，数据集成工具标准，商务智能标准，目前已经有30多家企业参与测评。

    数据管理平台今年更新到了2.0版本，之后也会做数据能力评估一些工作，主要拓展数据应用、大数据技术这种多维度的数据能力评估。

    3、行业调研咨询和交流。

    我们做了一些现状调研，今年12月10号，数据资产管理大会上会发布银行业金融机构数据资产管理调研报告，希望大家能够关注。

    提供相应数据资产管理咨询工作，目前已经面向政务、电力、电信等行业提供一些咨询工作。

    还会组织相应交流培训、沙龙工作。运营一些组织，近期要在中国互联网协会下成立一个数据治理工作委员会，成立大会就在近期召开，如果想加入中国互联网协会数据治理工作委员会的企业也可以联系我们。

    TC601工作，有一个数据资产管理工作组WG2，还有WG1，到WG7，主要是跟大数据相关的一些技术和数据流通的工作组。

    谢谢大家！

时间:2019-11-03 16:45  来源:    转发量:次